职业技术学校人工智能技术应用专业人才培养方案

人工智能技术应用专业人才培养方案编码ZY-510209-2024制定时间2024年4月20日主持人团队成员一、专业名称

人工智能技术应用二、专业代码

510209三、招生对象

普通高中毕业生/“三校生”（职高、中专、技校毕业生）四、学制与学历

三年制，专科五、职业面向(一)职业岗位及能力要求就业面向的行业：人工智能应用和服务行业。主要就业单位类型：人工智能、大数据、互联网、软件开发等IT类公司，以及政府机关、企事业单位的信息管理与服务部门。主要就业部门：人工智能技术应用开发、系统运维、产品营销、技术支持等部门。可从事的工作岗位：岗位能力分析表序号岗位名称岗位类别岗位描述岗位能力要求初始岗位发展岗位1AI数据标注专员þ¨负责数据标注分类、数据标注流程、数据标注质量检验、数据标注管理和数据标注应用等工作。能运用数据标注基本概念、数据标注分类、数据标注流程、数据标注质量检验、数据标注管理和数据标注应用等知识的能力。2人工智能训练师þ¨负责对应模型的训练数据预处理；进行人工智能产品使用过程中的数据管理；负责人工智能模型训练时的算法参数设置和优化；负责对人工智能产品进行性能调优。熟练使用NumPy、OpenCV库进行图像数据运算；熟练使用Nltk、Jieba库辅助处理文字数据；熟悉人工智能常见算法如决策树、K紧邻、神经网络等；熟悉人工智能算法训练流程。3数据挖掘工程师¨þ针对预处理后的数据进行分析和建模，深入挖掘数据的业务价值；利用机器学习领域的前沿技术和工具建立和创建可行解决方案；建立通用化解决方案和工具，并能应用到项目中熟悉一门编程语言，如Python/Java；掌握NumPy、Pandas、Matplotlib等；熟悉常用机器学习框架，例如Sklearn、SparkMLlib等；能根据业务场景设计适合的可视化展现形式。4人工智能应用工程师¨þ负责人工智能应用产品的开发和测试、数据处理、系统运维、产品营销、技术支持等工作。能运用C/C++与Python进行编程，熟悉大规模并行计算；能应用数据挖掘、深度学习、数据建模、数据处理、系统运维、产品营销、技术支持等知识体系处理人工智能相关行业应用的能力。。5人工智能工程技术人员¨þ负责人工智能相关算法、深度学习等多种技术的分析、研究、开发，并对人工智能系统进行设计、优化、运维、管理和应用等工作能分析、研究人工智能算法、深度学习等技术并加以应用的；研究、开发、应用人工智能指令、算法；规划、设计、开发基于人工智能算法的芯片；研发、应用、优化语言识别、语义识别、图像识别、生物特征识别等人工智能技术；设计、集成、管理、部署人工智能软硬件系统；设计、开发人工智能系统解决方案的能力。（二）典型工作任务及其工作过程序号典型工作任务工作过程1数据预处理对爬取到的非结构化数据，包括图片、视频、文本等进行初步清洗、预处理，即使用Pandas、Numpy进行字段预处理、数据清洗（如缺失值处理、异常值检测等），使用OpenCV进行图像处理、图像增强等。2人工智能数据标注对人工智能数据进行人工标注，按要求进行工作的反馈，对自己完成的人工数据错误标注进行修改。3数据分析参考行业标准，定义问题，结合业务，构建行业数据指标分析体系；根据需求进行数据多维度分析，实现多个结果指标，从多个角度挖掘数据价值；明确决策需求，理解业务各个阶段的产出结果，选择恰当合理的可视化技术、工具进行可视化表达；根据分析结果的方差或偏差进行合理的改进，最后制作数据分析报告。4AI训练标注和加工图片、文字、语音等业务的原始数据；监控、分析、管理人工智能产品应用数据；训练和评测人工智能产品相关算法、功能和性能；调整、优化人工智能产品参数和配置。5数据挖掘根据业务需求，对多种数据源进行数据预处理和探索性分析；进行特征工程、特征选择和数据建模，然后跑模型、调参数、对模型进行评估；将模型应用到大数据平台，通过监控平台，检测模型的运行效果，不断迭代模型。6人工智能应用开发人工智能开发分两种，第一类是人工智能设备软件功能扩展的二次开发，第二类是对人工智能处理系统本身进行开发。7人工智能设备运维对人工智能设备进行日常维护，主要体现人工智能设备机电系统、电控逻辑、程序进行监控、检测及故障的排除。8人工智能产品的销售与服务能对客户进行需求分析，制定营销方案和售后服务等。六、培养目标与规格（一）培养目标本专业培养学生掌握人工智能应用技术的基础理论、应用知识、应用技术，具备人工智能技术应用开发、系统管理与维护等能力，从事人工智能相关的应用开发、系统集成与运维、产品销售与咨询、售前售后技术支持等工作，培养德、智、体、美、劳等方面全面发展的高素质技术技能人才。（二）培养规格素质目标勇于奋斗、乐观向上，具备诚实、守信、坚忍不拔的性格，具有较好的沟通表达能力和自我管理能力以及职业生涯规划的意识，有较强的集体意识和团队合作精神。具有科学的世界观、人生观和价值观，践行社会主义荣辱观；具有爱国主义精神；具有责任心和社会责任感；具有法律意识。具有良好的职业道德与职业操守；具备较强的团队合作意识。具有合理的知识结构和一定的知识储备；具有不断更新知识和自我完善的能力；具有持续学习和终身学习的能力；具有一定的创新意识、创新精神及创新能力；具有一定的人文和艺术修养；具有良好的人际沟通能力。知识目标具有本专业领域必需的知识，具有一定的计算机软、硬件、网络基础知识；具有Python程序设计语言等基础知识；具有智能硬件系统原理及应用的基础知识。理解人工智能的概念；熟练掌握人工智能专业知识和应用技术；掌握智能数据分析、智能数据处理、智能行为决策等相关技术。掌握人工智能数据集处理、机器学习、深度学习、自然语言处理、计算机视觉、智能语音等知识。技能目标具备人工智能数据集的处理能力；具备人工智能产品推广、营销及技术培训能力；具备至少一种主流人工智能开发框架的应用能力；具备安装、调试、运行与维护人工智能系统的能力。具备综合应用人工智能技术进行集成及应用能力。具备人工智能新知识、新技能的学习能力，和应用人工技能知识和技能创新创业能力。七、职业证书根据本专业特点，针对核心职业岗位的职业资格证书或针对职业核心能力的中级及以上职业技能证书要求。建议考取的职业资格证书，如下表所示：人工智能技术应用专业考考取的相关职业资格证书序号职业资格（证书）名称发

证

单

位等级认证安排认证时间11+X人工智能数据处理职业技能等级证书(中级)科大讯飞股份有限公司中级必考第三学期2华为云HCIP-AI华为云计算技术有限公司中级选考第四学期八、课程体系与课程简介（一）课程体系本专业依据毕业生职业岗位能力要求及行业标准，以岗位工作过程为依据，通过分析学生职业能力和职业素养结构细化学生的职业基础、专业技能、拓展技能、职业素养等设计课程体系。专业课程体系由公共基础课、专业基础课、专业核心课、专业技能训练课、创新创业能力拓展课程等部分组成。1.职业素养为落实“育人为本、德育为先、能力为重、全面发展”的要求，本专业强化素质教育训练，通过加大选修课比例促进学生综合素质和能力发展。通过《思想道德与法治》、《毛泽东思想和中国特色社会主义理论概论》、《形势与政策》、《习近平新时代中国特色社会主义思想概论》、《心理健康教育》等课程，提升学生的职业道德素养和法律意识。通过《职业生涯规划》、《就业指导》提高学生的就业竞争能力和职业转换能力。选修课程和第二课堂的开设着力增强学生的人文素质，使学生形成艺术的、人文的、科学的知识结构，全面提高学生的综合素质。广泛开展的第二课堂活动以及项目驱动的实践教学，培养学生良好的工作态度、职业习惯、团队意识、责任意识、沟通能力等综合素质。2.专业基础课专业基础课是为专业核心课程的学习打下良好的基础。通过专业基础课程（如：人工智能导论）的学习，让学生对该专业的培养奠定基础，为后续专业核心课程的学习打好基础。3.专业核心课专业核心课是针对岗位能力要求而对于的核心能力培养的课程，如：数据分析与可视化、自然语言处理技术与应用、数据库开发技术、机器学习技术应用、深度学习实践、数据服务技术与应用、计算机视觉应用开发等，这些课程是专业培养的重中之重，是突出专业培养目标，方向的关键性课程。4.创新创业能力拓展课创新创业能力的培养，鼓励学生积极参与创新、参与创业、参与技能竞赛等，拓宽视野和知识面的学习。5.实践教学实践教学由专业认知实训、课程实训、综合实践以及岗位实习等组成。认知实训，新生进校后让学生到相关企业直观感受职业环境。课程实训，在校内实训室进行,旨在培养学生的基本职业技能。综合实训，在校企合作的平台上进行，旨在培养学生综合职业技能，提升学生的综合职业能力。岗位实习，在实际的工作岗位上进行，旨在培养学生实际工作能力，实现学习与工作的无缝对接。（二）

课程简介1.专业基础课程模块（1）《C语言程序设计》开设学期：1

学时：64

学分：4

理实比：1:1能力要求：程序的调试能力；解决实际问题的基本能力；良好的编程风格；良好的思维能力。课程目标：掌握C语言的基本开发要求，C语言数据类型、结构化程序设计方法，数组、函数、指针结构体、文件等使用规则，培养程序设计的基本思想和基本技能。它要以计算机基础课程的学习为基础，为后续的应用性课程和系统开发课程的学习打好基础。课程思政：使学生在学习编程的同时加强对社会、法律等方面的认识和理解，培养学生的社会责任感和职业道德素养。考核方式：课程结束后，要求以个人或团队的方式提交一个具备一定交互能力的程序软件，及软件运行相关截图文件说明，课程总成绩=平时成绩（50%）+期末成绩（50%）其中平时成绩包含考勤和课堂作业，期末成绩为设计作品成绩。（2）《计算机网络基础》开设学期：2

学时：48

学分：3

理实比：3:1能力要求：通过本课程学习，学生能对计算机网络有个基本认识，了解计算机网络中数据通信的基础知识，了解计算机网络技术的最新发展状况。理解计算机网络体系结构。掌握局域网组建的过程，熟练掌握以太网网络结构及实现技术，TCP/IP协议簇、Internet工作原理和各种接入技术。课程目标：了解计算机网络的一些基本术语、概念、分类和构成；掌握开放系统互连参考模型的结构及各层的功能、TCP/IP协议、IP数据报的格式；了解网络安全知识，能通过常用网络设备进行简单的组网；能对常见网络故障进行排错。课程思政：向学生介绍网络安全的基本概念和防范措施，使学生了解如何保护自己的个人信息和网络安全，从而增强网络安全意识。考核方式：教考分离课程，通过网络题库考核。课程总成绩=平时成绩（50%）+期末成绩（50%）其中平时成绩包含考勤和平时作业，期末成绩为作品考查成绩。(3)《Linux应用基础》开设学期：3

学时：64

学分：4

理实比：1:1能力目标：通过掌握

Linux

的安装、配置与管理等基本操作步骤，能够完成

Linux

服务器安装与部署；能够根据企业实际需要完成

Linux

服务器的设计、规划、配置与管理等多方面的工作；通过掌握常用的脚本命令和相关组件等技术，能够维护和监控

Linux

系统的能力；能够应用shell脚本编写程序。课程目标：了解

Linux

操作系统的发展历史、基本概念、优点，深入理解和熟练掌握

Linux

操作系统的具体安装、部署方法与步骤。掌握

Linux

操作系统进程的管理，熟练掌握

Linux

常用组件的操作。熟练使用

Linux

操作系统常用命令和脚本解决系统问题和系统监控及调优等的具体方法；shell脚本编程。课程思政：Linux应用基础课程中还涉及了很多道德伦理相关的内容，如软件开发伦理、文件权限管理、用户权限管理等。通过这些内容向学生介绍良好的道德伦理观念和行为准则，增强学生的道德意识。考核方式：就

Linux

的安装、部署、配置等相关内容，提出配置或维护方面的要求，根据要求使用具体的脚本命令或者通过组件操作，并提供操作过程中的相关支撑材料，以及进行操作的相关截图文件等，课程总成绩=平时成绩（50%）+期末成绩（50%）其中平时成绩包含考勤和课堂作业，期末成绩为设计作品成绩。（4）《人工智能基础》开设学期：2

学时：64

学分：4

理实比：1:1能力目标：通过人工智能基础课程的学习，使学生具有对人工智能的发展历史有一个比较全面的认识，能够使学生对人工智能领域的一些基本概念达到理解的层次，能够将不同的技术应用到不同的应用场景的能力。课程目标：通过课程的学习，了解人工智能发展史，掌握人工智能的基本概念，了解典型应用场景，熟悉人工智能数值计算、知识表示、机器学习的基本知识，掌握人工智能视觉技术基本知识等组成等。课程思政：通过人工智能发展史，中国人工智能进程等知识，培养学生高尚的职业理想，树立专业自信，文化自信，发扬家国精神，为祖国伟大复兴而奋斗。考核方式：课程总成绩=平时成绩（50%）+期末成绩（50%），平时成绩包含平时上课互动，作业及考勤等，期末成绩为作品考查。（5）《Python程序设计》开设学期：2

学时：64

学分：4

理实比：1:1能力要求：熟悉常用Python模块；掌握常用Python开发工具的使用；掌握Python语言的基础语法；掌握Python中列表、元组、字典、集合等常用数据类型的使用；掌握Python函数设计以及类的设计与使用；掌握Python的文件操作，能够实现文件内容的读取与写入。课程目标：本课程的目标是使学生能够正确而熟练地运用Python列表、元组、字典、集合等基本数据类型以及列表推导式、切片等特性来解决实际问题，熟练掌握Python分支结构、循环结构、函数设计以及类的设计与使用，同时掌握不同领域的扩展模块，并能够解决实际问题。课程思政：引导学生形成正确的价值观念和行为准则，增强学生的道德意识。考核方式：课程总成绩=平时成绩（50%）+期末成绩（50%），其中平时成绩包含考勤和课堂作业，期末成绩为作品考查。2.专业核心课程模块（1）《数据分析与可视化》开设学期：3

学时：64

学分：4

理实比：1:1能力目标：通过本课程的学习，学生可以使用恰当的计算方法对组织和整理后的数据进行处理，提取有价值信息的能力。通过使用可视化技术，掌握在一些典型应用场景下，使用合适的数据展示技术，进行一个可视化直观生动呈现数据的能力。课程目标：通过本课程的学习，学生可以了解数据分析的基本概念，数据分析的作用。掌握数据分析的基本方法；掌握使用图形、图像、动画等呈现数据的方法。课程内容：主要介绍数据分析和可视化的基本知识，数据分析的计算方法，数据可视化的形式；数据可视化的实现。课程思政：引导学生了解数据背后的意义和价值，让学生认识到数据的重要性和可贵性，从而培养学生的数据意识和数据素养。考核方式：课程总成绩=平时成绩（50%）+期末成绩（50%），其中平时成绩包含考勤和课堂作业，期末成绩为作品考查。（2）《自然语言处理技术与应用》开设学期：4

学时：64

学分：4

理实比：1:1能力目标：通过本课程的学习，掌握自然语言处理机器学习算法基础知识；会使用常用的语言模型，会语言的模型训练与预测，具有人工智能领域常用的语言分析方法解决实际应用场景下问题的能力。课程目标：了解自然语言处理的基本概念；了解文本分析的目的，掌握文本分析的基本技术。掌握语言的模型训练与预测等。课程内容：通过本课程的学习，学生可以了解自然语言处理的基本技术及原理；掌握常用的语言的模型训练与预测。课程思政：通过课程中的实际案例和项目经验，引导学生理解工匠精神的重要性，培养学生的工匠意识和工匠品质。考核方式：课程总成绩=平时成绩（50%）+期末成绩（50%），其中平时成绩包含考勤和课堂作业，期末成绩为作品考查。（3）《数据库开发技术MySQL》开设学期：3

学时：64

学分：4

理实比：1:1能力目标：通过本课程的学习，学生可以掌握数据库编程的基本知识，培养学生开发基于数据库应用的能力。课程目标：通过本课程的学习，学生可以了解数据库技术及应用开发的基本概念；应用基本技术和基本方法进行数据库应用开发。课程内容：通过本课程的学习，学生可以了解数据库模型；使用查询语言。掌握数据库保护技术；掌握规范化设计、数据库应用开发方法等。课程思政：了解数据库应用和发展趋势，增强学生的综合素质和创新能力；形成正确的价值观念和行为准则，增强学生的道德意识。考核方式：课程总成绩=平时成绩（50%）+期末成绩（50%），其中平时成绩包含考勤和课堂作业，期末成绩为作品考查。（4）《机器学习技术应用》开设学期：3

学时：64

学分：4

理实比：1:1能力目标：通过本课程的学习，学生能够选择适当的机器学习算法和模型解决实际问题。通过对具体机器学习算法和应用实例的学习，进一步锻炼学生应用机器学习技术解决问题的能力。课程目标：通过本课程的学习，了解常用基础模型的结构和原理；掌握机器学习的基础知识；以及结合预测类问题、一般分类问题、文本分类问题、聚类问题、特征选择、模型评价和模型选择等经典机器学习问题，如何使用经典机器学习库解决现实生活中的预测、分类等问题。课程内容：本课程在数据分析基础之上进一步讲授常用基础模型的结构和原理，介绍机器学习的基础知识。结合预测类和模型选择等经典机器学习问题，分析如何使用经典机器学习库解决现实生活中的预测、分类等问题。课程思政：引导学生积极思考、主动探索、主动配合，从而提高学生的学习兴趣、主动性和团队协作意识。考核方式：课程总成绩=平时成绩（50%）+期末成绩（50%），其中平时成绩包含考勤和课堂作业，期末成绩为作品考查。（5）《深度学习实践》开设学期：3

学时：64

学分：4

理实比：1:1能力目标：通过本课程的学习，学生能够巩固深度学习的基本概念和算法。结合深度学习的典型应用案例的学习，具有解决实际问题的实践能力。课程目标：通过本课程的学习，了解深度学习的基本概念；掌握深度学习的主流结构和不同的激活函数；深入掌握深度学习在实践应用中的算法细节。课程内容：介绍基于神经网络的深度学习技术的基本概念，主要算法、深度学习的主流结构及多种不同的激活函数，深度学习的应用案例。课程思政：通过课堂合作任务的方式，让学生更加深入地了解团队合作的重要性和基本方法，增强学生的团队合作意识和能力。考核方式：课程总成绩=平时成绩（50%）+期末成绩（50%），其中平时成绩包含考勤和课堂作业，期末成绩为作品考查。（6）《数据服务技术与应用》开设学期：3

学时：64

学分：4

理实比：1:1能力目标：通过本课程的学习，学生可以掌握数据清洗、数据集验证、数据标注等数据服务内容。具备数据采集、数据清洗、数据标注的实践能力。课程目标：通过本课程的学习，学生能够了解AI技术的基础资源是如何产生，以及这些过程对于应用的精确度的影响。掌握数据清洗、数据集验证、数据标注等数据服务内容。课程内容：使用现有的网络爬虫框架，根据行业场景的需要对数据进行爬取等数据采集技术；对数据中的非结构化数据进行结构化、统一格式、异常数据的安排等数据清洗技术；数据标注基本概念、流程、质量检验、管理与应用（包括对图片、视频、文本等内容进行标注）等实践内容。课程思政：将数据隐私保护融入到课堂教学中，让学生了解良好的道德伦理观念和行为准则，增强学生的道德意识。考核方式：课程总成绩=平时成绩（50%）+期末成绩（50%），其中平时成绩包含考勤和课堂作业，期末成绩为作品考查。（7）《计算机视觉应用开发》开设学期：4

学时：64

学分：4

理实比：1:1能力目标：通过本课程的学习，学生可以掌握AI+机器视觉的基础技术，具备实际应用开发的实践能力。课程目标：通过本课程的学习，学生能够了解AI+机器视觉的体系架构。掌握机器视觉仿真；数字图像预处理、特征汇聚算法。课程内容：AI+机器视觉的体系架构介绍；机器视觉仿真；数字图像预处理、特征汇聚算法介绍；在典型场景中，应用计算机视觉技术。课程思政：增强学生的网络安全意识，避免在计算机视觉应用和开发中出现安全问题。考核方式：课程总成绩=平时成绩（50%）+期末成绩（50%），其中平时成绩包含考勤和课堂作业，期末成绩为作品考查。（8）《人工智能数据处理职业技能等级证书(中级)》开设学期：3

学时：64

学分：4

理实比：1:1能力目标：通过学习考证，具备人工智能数据处理和服务的实践能力。课程目标：通过阶段性课程，和考前实训，通过人工智能数据处理职业技能等级中级考证，取得证书。课程思政：了解数据的重要性和价值，认识到数据对于人工智能技术的支撑和推动作用，引导学生建立正确的数据观念和数据意识。考核方式：课程结束后，要求学生参加1+X项目考证，并获得课程对应证书，成绩才为合格。3.

专业技能训练课（1）人工智能数据处理开设学期：2

学时：26

学分：1

理实比：

0：1

整周实训能力目标：通过实战应用使学生掌握人工智能数据处理的能力。课程目标：通过阶段性实训，使学生使用人工智能数据处理的相关技术，进行人工智能数据处理项目实训。课程思政：引导学生认识到数据对于人工智能技术的支撑和推动作用，强化学生的数据意识和数据价值观。考核方式：课程结束后，要求以个人或团队的方式提交一份人工智能数据处理的作品。课程总成绩=平时成绩（50%）+期末成绩（50%）其中平时成绩包含考勤和平时作业，期末成绩为设计作品成绩。（2）图像与视频处理开设学期：3

学时：26

学分：1

理实比：

0：1

整周实训能力目标：通过实战应用使学生掌握图像与视频处理的能力。课程目标：通过真实案例项目实训，使学生掌握综合应用所学的专业知识，进行图像与视频处理应用实训。课程思政：在实训中，可以采用小组合作的方式，让学生在团队中合作完成任务，培养学生的团队合作精神和沟通协调能力，提高学生的团队协作能力和综合素质。考核方式：课程结束后，要求以个人或团队的方式提交一份作品。课程总成绩=平时成绩（50%）+期末成绩（50%）其中平时成绩包含考勤和平时作业，期末成绩为设计作品成绩。（3）机器学习实训开设学期：4

学时：26

学分：1

理实比：

0：1

整周实训能力目标：通过实战应用使学生掌握机器学习技术解决实际问题的能力。课程目标：通过真实案例项目实训，使学生掌握综合应用所学的专业知识，使用机器学习技术完成案例项目的实训。课程思政：引导学生掌握机器学习的基本技能和方法，提高学生的实际操作能力和解决问题的能力，培养学生的创新意识和创业精神。考核方式：课程结束后，要求以个人或团队的方式提交一份作品。课程总成绩=平时成绩（50%）+期末成绩（50%）其中平时成绩包含考勤和平时作业，期末成绩为设计作品成绩。（4）《岗位实习》：开设学期：5、6

学时：416

学分：16

理实比：0:1能力要求：将学校所学习的专业知识与实际工作想结合，按照企业一线岗位的职业要求来训练和提升自己的设计水平、设计能力和综合素质。课程目标：岗位实习是在学生已经系统地学习完专业基础课程和专业核心课程的基础上，让学生到企业进行实训，与企业一线设计岗位无缝对接。考核方式：通过下企业实训与毕业设计相结合，完成一个项目方案的设计与制作，着重考核学生专业知识的理解情况和实操技能的掌握情况。九、专业办学基本条件（一）专业教学团队人工智能技术应用专业建设有一支整体素质高、结构合理、业务过硬、具有实践能力和创新精神的“专兼结合”的“双师性”师资队伍。大数据技术与应用专业现有专任教师12名，其中高级职称1名，副高级4名，中级职称7名，双师型教师12名，兼职教师6名。（二）教学设施1.校内实训基地本着“课程教学理实化、实践场所职业化”的原则，专任教师与企业兼职教师共同根据课程实施的需要设计并建设了理实一体专业实训室，重点应加强教学功能设计及企业氛围的建设。使学生在校期间能感受企业文化氛围，接受企业操作规范。人工智能技术应用专业实训室建设情况如表6所示。表6

人工智能技术应用专业各实训室建设情况实训基地名称仪器设备总值工位数主要实训项目1.人工智能实训室29.89万元56个数据处理、数据分析、模型训练、视觉应用、自然语言处理实践、智能应用开发与运维等2.存储与虚拟化实验室31.11万元52个数据库应用技术（Mysql）、

NoSQL数据库技术等实践教学等3.三维动漫实训室27万元50个三维动画制作、角色制作、VR、Unity3D、ZBRUSH、MAYA等实践教学;4.二维动漫实训室27万元50个PS、动漫技法等实践教学;5.网络应用实验室39万元50个计算机网络基础、Linux、交换机配置、路由配置、无线网络配置、网络安全;6.软件工程实验室40.8万元50个初级、中级、高级程序员、IT项目管理等实践教学;人工智能设备配置、运维及检测；人工智能商业应用部署7.软件开发实验室25.85万元50个C#、ASP.NET、JAVA等实践教学;2.校外实训基地本专业与成都大数据与人工智能高研院、慧科教育科技集团有限公司、厦门触控未来科技有限公司、智游网安科技有限公司、福州达内信息科技有限公司等公司深度合作，开设了人工智能、工业机器人、Java、网页设计等校外实训基地。成都大数据与人工智能高研院实训基地配备多媒体空间、直播空间、项目研讨室、创客空间、实训环境等功能空间及活动中心，可同时支持600名学生开展校外实践和研发，并配备工学结合实习指导工程师，实践项目涉及人工智能数据分析、数据预处理、模型训练和智能系统应用开发等。慧科教育科技集团有限公司杭州实训基地配备多媒体空间、直播空间、项目研讨室、创客空间、实训环境等功能空间及活动中心，可同时支持500名学生开展校外实践和研发，并配备工学结合实习指导工程师，实践项目涉及智能系统测试、智能系统部署运维、人工智能模型应用、智能系统平台开发等。3.信息网络教学条件为了满足专业信息网络教学的需要，学校校园网的主干带宽要达到千兆速率传输能力，专业教学场所（校内实训基地）、自主学习场所（图书馆、学生宿舍）达到百兆速率到桌面，学校网络配置基本确保了学生在课程学习的所有计算机终端设备能够访问校园网的专业课程资源和互联网的专业学习资源。（三）教材及图书、数字化（网络）资料等学习资源1.教材选择与建设（1）开发基于工作过程的课程教材教材建设在内容选择上坚持“四新（新知识、新技术、新工艺、新方法）、三性（实用性、应用性、普适性）”的原则；在编写形式上要将专业理论知识和技能向以企业工程项目的工作任务、工作内在联系和工作过程知识转变，以工作过程所需的知识和技能作为核心，以典型工作任务为工作过程知识的载体，并按照职业能力发展规律构建教材的知识、技能体系，使之成为理论与实践相结合的一体化工学结合教材。鼓励专业教师开发基于项目驱动的教材，使学习者可以在学习情况中进行职业从业资格的训练，使其具有从容应用职业、生计、社会等行动领域的能力，在实际应用中取得了很好的效果。（2）选用优秀的高职高专规划教材教材是实现人才培养目标的主要载体，是教学的基本依据。选用高质量的教材是培养高质量优秀人才的基本保证。近年来许多出版社在“教育部高职高专规划教材”和“21世纪高职高专教材”的组织建设中，出版了一批反映高职高专教育特色的优秀教材、精品教材。在进行教材选用时，教研室研究制定教材选用标准，使在教学实际应用中能明显反映行业特征，并具时代性、应用性、先进性和普适性。（3）选用国家精品课程教学资源充分利用现有国家精品课程的一流的教学内容和一流的教学资源，开展专业课程的教学活动，将国家精品课程的建设成果有效地应用到专业课程的教学中，以获得最佳的教学效果。2.网络资源通过与企业合作，按照软件工程项目的技术规范、标准、工作流程和高职学生的特点，开展基于工作过程的课程开发与实践，校企双方成员共同确定课程标准、设计教学项目、制定技能考核标准，共同开发在线MOOC等，形成交互式网络课程，通过专业优质核心课程的建设，带动专业课程的改革，逐步建设成一整套专业教学资源库，全面提高人才培养质量。（四）教学方法、手段与教学组织形式建议在教学过程中，教师依据以行动为导向的教学方法，在课程教学过程中，重点倡导“要我学”改为“我要学”的学习理念，突出“以学生为中心”，加强创设真实的企业情境，强调探究性学习、互动学习、协作学习等多种学习策略，充分运用行动导向教学法，采用任务驱动教学法、项目教学法、小组协作学习、角色扮演教学法、案例